基于全球AIS的多源航迹关联数据集
AIS全球卫星定位系统在航海领域中的应用研究
AIS全球卫星定位系统在航海领域中的应用研究导言：航海是人类长久以来的重要交通方式，随着科技的发展和创新，卫星定位系统被广泛应用于航海领域。
其中，AIS（自动识别系统）全球卫星定位系统作为一项重要的技术，为船舶定位和导航提供了可靠的辅助手段。
本文将深入探讨AIS在航海领域中的应用研究，包括原理、功能和优势。
一、AIS全球卫星定位系统的原理AIS是船舶自动识别系统（Automatic Identification System）的简称。
它采用无线电波通信方式，通过卫星定位技术实时追踪船舶位置和相关信息，将其传输到管理中心和其他船只。
AIS系统由发射器和接收器两部分组成。
发射器将船舶信息发送到周围的接收器或卫星，接收器接收信息并将其传输到地面站或其他船舶。
AIS系统通过GPS定位技术，获取船舶的准确位置信息。
二、AIS全球卫星定位系统的功能1. 船舶定位与导航：AIS系统通过卫星定位技术，精确记录船舶的位置和轨迹，为船舶定位和导航提供准确的数据支持。
航海人员可以通过AIS系统了解周边船舶的位置和速度，从而避免碰撞和冲突。
2. 船舶管理与监控：AIS系统可以实时监控船舶的位置、航向和速度，管理人员可以随时了解船舶的状态，并根据需要调整航线。
此外，AIS系统还能够记录船舶的历史轨迹，为事故调查和航线规划提供数据参考。
3. 紧急救援与搜救：AIS系统可以发送SOS信号，向周围船只和海岸站发送求救信息。
当船舶遇到紧急情况或发生意外事件时，AIS系统能够迅速定位并提供帮助，提高搜救效率。
4. 海上交通管理：AIS系统通过实时监控船舶的位置和速度，提供海上交通状况的数据分析和预测。
基于这些数据，交通管理部门可以合理规划航线，避免拥堵和冲突，提高航行效率。
三、AIS全球卫星定位系统的优势1. 实时性：AIS系统能够实时追踪船舶位置和状态，提供实时数据。
这使得航海人员和管理人员能够迅速做出决策，应对紧急情况或调整航线。
基于ais数据的船舶航行轨迹预测
摘要在经济快速发展的情况下，航运业迎来了巨大的变化，船舶数量不断地增长，由此产生了很多航运密切的区域。
船舶数量的激增虽然带来了海上贸易的繁荣，但容易产生水上交通安全问题：航线负担过重，航道更加拥挤，由于船舶自身问题和人为因素产生的事故时有发生，对船员和乘客的生命财产安全造成巨大的威胁。
因此，对船舶必须进行有效的监控，及时发现船舶的异常行为，降低水上交通事故的风险。
另一方面，海运是国际贸易最主要的形式，在经济发展中占有重要的地位。
贸易的类型与航线息息相关，通过对航线轨迹变化的分析能够了解航运物流的变化，有利于对国际贸易的未来格局和发展变化进行更深入的理解。
预知船舶航行的动态是船舶异常行为分析和轨迹变化分析的基础性工作，对船舶轨迹进行精准的预测不仅能够及时发现异常轨迹，有利于海上交通监管，还能从船舶航行的角度了解国际贸易的发展变化，是航运交通智能服务的关键技术之一。
研究船舶航行轨迹预测最好能够获取船舶的历史轨迹数据，通过对历史数据的挖掘提取船舶重要的航行特征，发现船舶航行的规律，能够有效提高预测的准确性。
随着AIS系统的应用和推广，船舶轨迹数据的可获得性提高，与船舶轨迹数据挖掘的研究层出不穷，为船舶轨迹预测的研究提供了基础性的条件。
本文的主要工作如下：以大量船舶的历史AIS数据为基础，首先进行数据恢复和数据异常处理工作，最大程度上还原原始轨迹数据；在此基础上，使用轨迹分段和区域划分的两种轨迹聚类算法，从离散的原始AIS数据中得到船舶航线轨迹数据集；接着以航线轨迹数据为基础，使用多种算法对轨迹预测进行建模，并以珠江三角洲的航线数据为基础对预测算法进行验证，结果表明基于朴素贝叶斯的预测算法在船舶轨迹预测问题上具有高达90%以上的预测准确率。
关键词：船舶轨迹数据；数据预处理；轨迹聚类；航行轨迹预测；AbstractWith the rapid development of economy, the shipping industry has been developing rapidly, and the number of ships has been increasing. The surge in the number of vessels at sea has brought prosperity of trade, but it is easy to cause the problem of water traffic safety: route burden, channel congestion caused by the ship's own problems and human factors in the accident, the crew and passengers of the life and property safety threat. Therefore, it is necessary to carry out effective monitoring on the ship, find out the abnormal behavior of the ship in time, and reduce the risk of water traffic accidents. On the other hand, shipping is the most important form of international trade, which plays an important role in economic development. The type of trade is closely related to the route. Through the analysis of the change of the route, we can understand the change of shipping logistics, which is beneficial to the further understanding of the future pattern and development of international trade.To predict the dynamic navigation is the basis of the analysis of ship monitoring and track changes in the work, the accurate prediction of the ship trajectory can not only detect the abnormal trajectory for marine traffic, but also from the ship's point of view to understand the development and change of international trade, shipping and transportation is one of the key technologies of intelligent service.With the application and popularization of the AIS system, the availability of ship trajectory data is improved, which provides the basic conditions for ship trajectory data mining. The main work of this thesis is as follows: in the history of a large number of ships based on the AIS data, the first data recovery and data processing work, to restore the original data on the maximum extent, clean the available data; on this basis, two kinds of trajectory clustering algorithm using trajectory segmentation and region division, get the ship route trajectory data set from the original AIS data in a discrete;Then take the route trajectory data is based on the combination of various methods of trajectory prediction modeling, and to route data in the Pearl River Delta for verification based on the prediction algorithm, the results show that the prediction algorithm based on Naive Bayesian with up to 90% accuracy in the prediction of ship trajectory.Keywords: Ship trajectory data; data pretreatment; trajectory clustering; navigation trajectory prediction;目录第一章绪论 (1)1.1 研究背景 (1)1.2 研究现状 (1)1.2.1 数据恢复 (2)1.2.2轨迹聚类 (2)1.2.3船舶航行轨迹预测 (4)1.3 研究内容 (6)1.4 技术路线 (7)1.5 论文结构安排 (8)第二章相关理论基础 (10)2.1船舶航行轨迹预测 (10)2.2轨迹相似性度量 (10)2.3 总结 (12)第三章 AIS数据采集及预处理 (13)3.1 数据采集 (13)3.2 船舶航线轨迹数据提取 (14)3.2.1 基于船舶航行状态的航线轨迹数据提取 (14)3.2.2 基于船舶航速和采集时间间隔的轨迹数据提取 (15)3.2.3 航线轨迹数据样例 (16)3.3 缺失值处理 (17)3.3.1 问题描述 (17)3.3.2缺失值识别 (17)3.3.3 缺失值插补方法 (18)3.3.4 缺失数据插补 (20)3.3.5 数据实验 (21)3.4 异常数据处理 (24)3.5 总结 (25)第四章基于AIS数据的船舶航线聚类 (27)4.1 航线聚类定义与描述 (27)4.2 航线聚类算法 (27)4.2.1 基于轨迹分段的航线聚类算法 (28)4.2.2 基于航行区域相似度的航线聚类算法 (40)4.3 轨迹聚类结果评价指标 (45)4.4 数据实验 (46)4.4.1 实验数据 (46)4.4.2 模型参数设置 (46)4.4.3实验结果 (48)4.5总结 (50)第五章基于AIS数据的船舶航行轨迹预测 (51)5.1 船舶轨迹预测的定义与描述 (51)5.2 轨迹统计分析 (51)5.3 基于AIS数据的船舶航行轨迹预测算法 (53)5.3.1 基于概率统计的船舶航行轨迹预测算法 (53)5.3.2 基于船舶轨迹相似度的船舶航行轨迹预测算法 (57)5.3.3 基于加权KNN的船舶航行轨迹预测算法 (58)5.3.4 基于朴素贝叶斯的船舶航行轨迹预测算法 (60)5.4 实验分析 (63)5.4.1 基础数据 (63)5.4.2 实验设置 (64)5.4.3 实验结果 (66)5.5总结 (69)第六章总结和展望 (70)6.1 工作总结 (70)6.2未来展望 (70)参考文献 (71)攻读硕士学位期间取得的成果 (78)致谢 (79)第一章绪论第一章绪论1.1 研究背景航运是国际贸易最主要的形式，在经济全球化的环境下，航运业得到飞速的发展，船舶越造越大，种类愈来愈多，由此在国内和国际上产生很多航运密切的热点区域，如珠江三角洲。
基于AIS数据和LSTM网络的船舶航行动态预测
摘要：为进一步提高船舶航行动态预测的精度，提出将长短期记忆(long short-term memo—，LSTM)
网络应用到船舶航行动态预测。将船舶自动识别系统(automatic identification system，AIS )数据转
化为航行动态时间序列数据用于LSTM网络的训练和测试%将预测结果与传统的航迹推算法、BP
基于lstm网络的船舶航行动态预测模型具有精度高鲁棒性强通用性好等特b预测结果可以为船舶交通管理中心vesseltraf?ficsemicasvts的监管提供参考在预警船舶碰撞搁浅等事故方面具有较高的实际应用价值关键词
40
3
2019 9
DOI：10.13340/j. jsmu.2019.03.006
撞
程度、
方案的优劣，
修
正行
方向，
好的避
效果。
徐婷婷等*1 +采用BP( back propagatioa )神经网
络预测 航迹，以航 航向作为BP神经网络
输入，以 差、纬差作为输出，得
纬 误差很小,预测出
航迹较 ，但是未
预测
态特征如航向、航
；徐铁等*2+采
用卡尔曼滤波算法对
别
(automatic
ide-tificatio- system，AIS )数据进行修正，利用 AIS
关键词：船舶；航行动态预测；船舶自动识别系统！ AIS)；长短期记忆网络(LSTM)； BP神经网络
中图分类号：U675.79
文献标志码：A
Ship navigation behavior prediction based on AIS data and LSTM network
REN Yuxiang, ZHAO Jiansen, LU Wei, WANG Shengzheng, WEI Yuhan
MTAD数据集使用说明说明书
基于全球AIS的多源航迹关联数据集使用说明多源航迹关联数据集（Multi-source Track Association Dataset, MTAD）是依托国家自然科学基金、中国科协青年人才托举工程、山东省泰山学者人才工程，以全球AIS航迹数据为基础，由全球AIS航迹数据经栅格划分、自动中断和噪声添加处理步骤构建的，旨在解决智能关联算法研究对数据的迫切需求和多雷达协同观测航迹数据获取困难，填补航迹关联数据集的空白。
该数据集目前已被用作海军“金海豚”杯竞赛科目3“大差异海上目标航迹关联”的专用数据集。
对全球AIS航迹数据进行栅格划分得到的全球栅格是MTAD数据集构建的基础，数据集中的所有场景均从全球栅格中抽取产生。
在全球地图中根据所有栅格中的MMSI数量绘制热力图，对MMSI数量进行可视化，结果如图1所示。
从图1中可以看出，在重要港口地带，MMSI数量较多，在远海区域，MMSI数量较少。
各航迹在全球各个海域均广泛分布，为数据集的构建提供了丰富的航迹资源。
图 1 MMSI数量热力图MTAD数据集结构如图2所示，包括训练集和测试集两大部分，训练集和测试集均由航迹信息表和关联映射表组成，均为csv格式文件，根据场景名称进行区分。
该数据集共有航迹百万余条，其中训练集包含5000个场景样本，测试集包含1000个场景样本，每一个场景样本由几个到几百个数量不等的航迹构成，涵盖多种运动模式、多种目标类型和长度不等的持续时间。
蓝色航迹表示信源二，从图中可以清楚的看出航迹的多源现象和中断现象。
图3（b）对应的航迹信息表的属性包括{批号、信源号（9001、9002，随机设置）、时间（一天内的绝对秒）、经度（度）、纬度（度）、航速（米/秒）、航向（度）}，在csv文件中的对应表示为{batch、source、time、lat、lon、vel、cou}。
图3（c）对应的关联映射表的属性包括{开始时间-结束时间-真值批号-信源号-航迹批号}，在csv文件中的对应表示为{t_s、t_e、mmsi、source、batch}。
《高频地波雷达与AIS船只目标航迹关联方法研究》范文
《高频地波雷达与AIS船只目标航迹关联方法研究》篇一高频地波雷达与S船只目标航迹关联方法研究一、引言随着现代航运业的快速发展，船舶的监控与导航系统变得越来越重要。
其中，高频地波雷达（High Frequency Surface Wave Radar）与自动识别系统（Automatic Identification System，简称S）在船只监控中起到了关键作用。
高频地波雷达能够提供广阔的覆盖范围和较高的分辨率，而S则能够提供船只的详细信息。
然而，如何有效地将高频地波雷达探测到的船只目标与S数据进行航迹关联，成为了一个重要的研究课题。
本文将重点研究高频地波雷达与S船只目标航迹关联方法。
二、高频地波雷达与S系统概述高频地波雷达是一种利用高频电磁波探测地表附近目标的技术。
其优点是探测范围广、分辨率高，能够在复杂海洋环境中对船只进行准确监测。
然而，由于高频地波雷达只能提供船只的位置信息，无法直接获取船只的详细信息。
S系统则是一种通过船舶自动发送其航行状态、位置、身份等信息，供其他船舶和岸基设施接收的系统。
S系统为船舶提供了实时的信息交互平台，使船舶之间的避碰和海上交通管理变得更加便捷。
三、航迹关联方法研究（一）数据预处理在进行航迹关联之前，需要对高频地波雷达和S数据进行预处理。
预处理的目的是去除噪声、修正误差、提取有效信息等。
对于高频地波雷达数据，需要进行信号处理和目标识别；对于S 数据，需要进行数据清洗和格式化处理。
（二）航迹初始化在完成数据预处理后，需要利用高频地波雷达探测到的船只目标信息进行航迹初始化。
航迹初始化包括设定航迹起始点、预测航向和航速等参数。
这一步骤对于后续的航迹关联至关重要。
（三）航迹关联算法航迹关联算法是高频地波雷达与S船只目标航迹关联的核心。
常见的航迹关联算法包括最近邻法、概率数据关联法、联合概率数据关联法等。
这些算法主要通过计算雷达探测到的目标与S船只目标之间的相似度或距离，实现航迹的关联。
《基于AIS数据的船舶行为异常检测》范文
《基于AIS数据的船舶行为异常检测》篇一基于S数据的船舶行为异常检测一、引言随着全球航运业的快速发展，船舶的航行安全与效率问题日益受到关注。
自动识别系统（S）作为一种重要的船舶导航与通信技术，为船舶航行提供了实时的数据支持。
然而，由于船舶的航行环境复杂多变，船舶行为可能受到多种因素的影响，如天气、海况、船员操作等，导致船舶行为出现异常。
因此，基于S数据的船舶行为异常检测成为了航运安全领域的重要研究方向。
本文旨在探讨基于S数据的船舶行为异常检测方法，以提高船舶航行的安全性和效率。
二、S数据与船舶行为分析S数据主要包括船舶的航行状态信息、船舶的静态信息以及船舶之间的通信信息等。
通过对S数据的分析，可以获取船舶的航行轨迹、航速、航向等行为特征。
这些特征对于判断船舶行为是否正常具有重要意义。
在船舶行为分析方面，可以从航行轨迹、航速、航向等方面进行。
例如，通过分析船舶的航行轨迹，可以判断船舶是否偏离了预定的航线；通过分析航速和航向的变化，可以判断船舶是否在遇到紧急情况时采取了紧急制动等操作。
三、船舶行为异常检测方法基于S数据的船舶行为异常检测方法主要包括统计方法、机器学习方法以及深度学习方法等。
1. 统计方法：通过分析船舶的历史行为数据，建立正常的行为模型。
当船舶的行为数据偏离正常模型时，即可判断为异常行为。
这种方法简单易行，但对于复杂多变的航行环境可能存在误判和漏判的情况。
2. 机器学习方法：利用机器学习算法对S数据进行训练，建立船舶行为的分类模型。
通过将实时的S数据输入到模型中，可以判断船舶的行为是否正常。
这种方法具有较高的准确性和鲁棒性，但需要大量的训练数据和计算资源。
3. 深度学习方法：利用深度学习算法对S数据进行特征提取和分类。
相比于机器学习方法，深度学习可以更好地处理复杂的航行环境下的数据，提高异常检测的准确性和效率。
四、实验与分析本文采用某航运公司的S数据进行了实验。
首先，对S数据进行预处理，包括数据清洗、格式转换等。
基于AIS数据和循环神经网络的船舶轨迹异常检测
通过对多种船舶类型和不同场景的数据集进行实验验证，证明了所提出方法的有效性和鲁棒性。
与传统方法相比，所提出方法具有更高的检测准确率和较低的误报率，能够为船舶监控和安全预警提供有力支持。
研究成果总结
研究不足与展望
在实际应用中，AIS数据的获取和处理可能受到信号遮挡、干扰等因素影响，需要进一步研究解决。
通过减少船舶事故和降低海损，可以为社会带来显著的经济效益和环境效益。
基于所提出方法的船舶轨迹异常检测技术，可以为海事管理部门提供更加精准、高效的监管手段，保障船舶航行安全。
THANKS
感谢观看
利用训练数据集对模型进行训练，通过反向传播算法优化模型的参数，提高模型的预测准确性和泛化能力。在训练过程中，可以采用一些技巧如早停（early stopping）、正则化（regularization）等来防止过拟合和模型泛化能力的提升。
数据预处理
构建模型
训练与优化
训练过程
优化策略
评估指标
模型训练与优化
数据变换
数据标准化
将数据按照一定的比例进行缩放，使其落入一个较小的区间内，以便更好地进行数据处理和分析。
数据归一化
将数据的各个特征按照一定的比例进行缩放，使其落入一个较小的区间内，以便更好地进行模型的训练和预测。
数据归一化
基于ais数据的船舶轨迹特征提取
03
03
船舶航向信息
通过AIS数据中的航向信息获取。
2023-10-27
基于ais数据和循环神经网络的船舶轨迹异常检测
目录
contents
引言数据预处理基于ais数据的船舶轨迹特征提取基于循环神经网络的船舶轨迹异常检测模型实验结果与分析结论与展望
基于AIS数据的船舶轨迹时空数据挖掘与可视化——以珠江口水域为例
摘要珠江口水域作为“21世纪海上丝绸之路”的重要节点，是中国国家安全的天然屏障与战略通道。
AIS(Automatic Identification System)数据包含了大量的船舶信息和航行时空信息，是进行区域水上交通态势评估的重要数据。
基于AIS 数据，挖掘船舶在珠江口水域的水上交通特征，为优化水域运输网络、提高运输效率、打击水上犯罪及预防交通事故等提供理论支持。
当前研究主要强调水上交通的空间特征，大多忽略了水上交通的时间特征，且鲜有对珠江口水域船舶轨迹时空特征、轨迹异常检测及港口空间信息等方面进行挖掘。
为此，本文基于AIS数据，利用时空划分、线密度分析、矩阵分解、GIS技术、聚类分析及复杂网络等计算机技术和方法，分析了珠江口水上交通时空特征，识别了水域重点区域，检测了离群轨迹点，分析了港口的层次结构。
主要内容及结论如下：(1)水上交通时空特征挖掘及可视化。
基于时空划分、线密度分析、时空统计分析及矩阵分解等方法分析水域交通时空特征。
研究发现：一级航道有1条，二级航道有3条。
按航线数量将各区域划分为繁忙区、较繁忙区和不繁忙区；按航线量变化曲线将各区域划分为双峰型、单峰型和平稳型；按航线量随时间变化情况将各区域划分为全天繁忙型、晚上繁忙型和上午繁忙型。
(2)重点区域识别及轨迹异常检测与可视化。
基于层次聚类及DBSCAN聚类等算法挖掘重点区域及检测异常轨迹。
研究发现：大型港口、出海/入海口为重要区域；不同船舶类型的停泊点的空间分布主要受该区域的自然环境、地理位置及经济发展水平影响；利用聚类算法能有效检测到离群轨迹点，及时找出空间位置及船速异常的船舶。
(3)港口空间信息挖掘。
基于复杂网络分析港口空间信息。
研究发现：港口度，点强度及中心性值均较大为香港港、广州港，较小的为珠海港、虎门港及佛山港等；珠江口水域港口可划分为五个层次，香港港、广州港及深圳的蛇口港处于第一层次，是珠江口的枢纽港，且不同层次港口的中心性差距明显。
基于AIS信息融合的船载航行数据记录再现
船舶 自 动识别系统 （ Ｉ）是一种新型 的船用助航设备 ，ＡＳ主要 由主控制单元、Ｖ Ｆ 信模 ＡＳ Ｉ Ｈ 通 块 、内置 Ｇ Ｓ Ｐ 模块和计程仪、电罗经和 Ｇ Ｓ Ｐ 、电子海图等船舶设备接 Ｆ以及静态信息输入接 口等部 Ｉ
分组成 ， 通常包括主控处理单元、船舶设备接 口电路 、显示设备、录入设备 、两个 Ｔ Ｍ Ｄ Ａ接收模块、 两个 Ｔ Ｍ Ｄ Ａ解码器、一个 Ｄ Ｃ接收模块、一个 Ｄ Ｃ解码器 、一个 Ｔ Ｍ Ｓ Ｓ Ｄ Ａ编码器、一个内置 Ｇ Ｓ接收 Ｐ 模块 ． ＡＳ Ｉ 通过多信道 Ｖ Ｆ数据接收机和 Ｖ Ｆ Ｈ Ｈ 数据发射机进行信号交流．Ｖ Ｆ Ｈ 发射机在指定的两个频 段上轮换发射数据信号．Ｖ Ｆ Ｈ 数据接收机接收他船发出的信息 ，其主要功能是利用 Ｖ Ｆ Ｈ 通信方式 ， 按照 Ｓ Ｔ Ｍ Ｏ Ｄ Ａ通信协议，使用 ２ ２种报文以 自 组织时分多址 Ｓ Ｔ Ｍ Ｏ Ｄ Ａ为核心技术来发射 ，实时进行多 船间、船岸间的静态信息 、动态航行信息与航行有关的信息和简明的安全信息的播发和交换． ＡＳ以信息技术为先导能够实时地播发本船位置和识别信息 ，在 Ｖ Ｆ作用范围内配备有 ＡＳ系 Ｉ Ｈ Ｉ
［ 文章编号］１０ ７ ０ （０ ０ ０ ０ ２ ０ ０ ７— ４５ ２ １ ）２— １４— ４
基 于 Ａ Ｓ信 息 融合 的船 载 航行 数 据记 录再 现 Ｉ
黄 建设
（ 集美大学航海学院，福建 厦 门 ３ １２ ） ６ ０ １
［ 摘要 ］研究 Ｖ Ｒ与 ＡＳ信息融合的信息再现 ，分析 Ｖ Ｒ和 ＭＳ播发的信息及其 系统结构 ，设计了基 Ｄ Ｉ Ｄ 于 ＡＳ信息融合的船载航行数据记录再现系统 ，并介绍 了系统的构成、技术 以及功能． Ｉ ［ 关键词］船载航行数据 ；Ａ Ｓ Ｉ ；记 录再现 ［ 中图分类号 ］Ｕ６ ５ ７ ｆ 文献标 志码 ］Ａ
舰船航迹关联分析中AIS数据的分析与处理
规划等方面有巨大的潜力。航迹关联理论的重要环节 就是数据的挖掘与处理，本文针对船舶航迹关联分析 中的自动识别系统（AIS）数据，重点研究了数据的挖 掘与聚类分析，对于改善舰船航迹关联的水平有重要 意义。
收稿日期: 2018 – 08 – 11 作者简介: 金悦奇 (1977 – )，男，硕士，讲师，主要研究方向为计算机应用与信息管理。
· 32 ·
舰船科学技术
第 40 卷
数据挖掘技术主要包括关联分析、聚类分析等多 种，如下：
1）聚类分析 聚类分析将大量的数据按照一定规则划分为多个 类或簇，不同簇中的数据对象差别较大，聚类分析不 用知道总体数据中存在的分类信息，可以实现自动的 分类，图 1 为聚类分析的原理图。
第 40 卷 第 10A 期 2018 年 10 月
舰船科学技术 SHIP SCIENCE AND TECHNOLOGY
Vol. 40, No. 10A Oct. , 2018
舰船航迹关联分析中 AIS 数据的分析与处理
金悦奇 (浙江国际海运职业技术学院，浙江 舟山 316021)
摘 要: 舰船自动识别系统（AIS）主要包括岸基模块和船载设备两部分，是船舶的定位、通信和导航的重要 系统，近年来获得了广泛的应用。舰船利用 AIS 系统，可以实现航迹关联、获取船舶的经纬度信息、航线动态信息 等功能，对于提高海上交通的管理与监测有重要作用。本文的研究对象是舰船航迹关联分析中的 AIS 数据分析与处 理技术，重点介绍了数据挖掘技术、数据的聚类分析等技术，对于提高舰船航迹关联的效率，提高船舶航行效率等 有重要意义。
基于海量AIS数据的内河航运信息可视化研究
摘要随着我国内河航运业的快速发展，水上交通环境日趋复杂，海事安全监管面临巨大的压力。
航运信息可视化是一种有效的海事监管手段，通过将有价值的船舶交通信息以直观、可理解的方式呈现，对于科学指导海事管理和保障水上交通安全具有重要的意义。
AIS（Automatic Identification System）数据是内河航运的主要信息，也是目前国内外开展水上交通研究的基础数据，具有数据体量巨大、处理速度快（每条船舶最快2秒产生一条记录）、数据类型多（船舶类型、航速、船舶位置等）、价值密度低（每条船舶航次信息包含数百条AIS记录）等大数据特征，而传统的基于AIS数据的集中式计算处理系统已经难以满足大数据的应用需求，亟需采用最新的分布式处理架构。
船舶的航行规律和模式蕴含于AIS大数据中，人工不易发现，因此有必要对AIS数据进行挖掘分析，充分利用AIS数据的价值，为智慧海事服务。
另外不同的船舶交通特性具有各自的特征，需要研究不同特征下的可视化方法。
本文基于内河船舶航运的特点，以内河航运信息可视化为研究切入点，开展海量AIS数据的解析与存储、基于AIS数据的挖掘分析以及船舶航运信息可视化等方面的研究。
首先设计了基于Hadoop的内河航运信息可视化的分布式计算与应用平台，然后以内河船舶交通量、船舶密度、船舶速度和船舶轨迹为对象，研究了其数据挖掘的方法，并针对不同的对象，研究了在单维度和多维度下的直观、易于理解的可视化方法。
为检验系统设计的有效性，本文以长江武汉段为实验水域，对AIS数据的采集解析和分布式存储与读取进行了研究，对船舶交通量、船舶密度、船舶速度进行了数据统计分析，对船舶航迹进行了聚类模式挖掘，并对挖掘的单维度、多维度信息以直方图、饼状图、平行坐标图、时空立方体图、地理信息图等可视化方法进行显示。
所设计的系统在内河船舶信息可视化方面取得了理想的效果，验证了系统的有效性和实用性。
本文的研究有助于推动基于大数据的内河航运交通可视化方向的发展。
一种基于AIS历史数据的船舶经验航线提取系统及方法[发明专利]
![一种基于AIS历史数据的船舶经验航线提取系统及方法[发明专利]](https://img.taocdn.com/s3/m/a5fb41b170fe910ef12d2af90242a8956becaa96.png)
(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202210036684.5(22)申请日 2022.01.13(71)申请人 武汉理工大学地址 430000 湖北省武汉市珞狮路122号(72)发明人 刘文 梁茂晗 占洋 孟祥昊 陈卓 张居富 苏建龙 张爽 焦航 任旭杰 (74)专利代理机构 南京纵横知识产权代理有限公司 32224专利代理师 祝蓉蓉(51)Int.Cl.G06F 16/29(2019.01)G06K 9/62(2022.01)G08G 3/00(2006.01)(54)发明名称一种基于AIS历史数据的船舶经验航线提取系统及方法(57)摘要本发明公开一种基于AIS历史数据的船舶经验航线提取系统及方法，所述系统包括语义航线提取系统、航道边界提取系统和最热航线提取系统；所述语义航线提取系统，用于通过AIS轨迹起止点聚类、特征点提取及特征点聚类获得区域内的语义航线；所述航道边界提取系统，用于为每一种语义航线提取边界信息；所述最热航线提取系统，用于利用航线边界点集构建航道三角网，并提取航道内的最热航线。
本发明基于AIS历史数据，综合考虑船舶航线模式和每一航线模式下轨迹密度分布，实现从复杂的AIS数据中提取高精度的最热航线。
权利要求书2页 说明书7页 附图2页CN 114564545 A 2022.05.31C N 114564545A1.基于AIS历史数据的船舶经验航线提取系统，其特征在于，包括语义航线提取系统、航道边界提取系统和最热航线提取系统；所述语义航线提取系统，用于通过AIS轨迹起止点聚类、特征点提取及特征点聚类获得区域内的语义航线；所述航道边界提取系统，用于为每一种语义航线提取边界信息；所述最热航线提取系统，用于利用航线边界点集构建航道三角网，并提取航道内的最热航线。
2.根据权利要求1所述基于AIS历史数据的船舶经验航线提取系统，其特征在于，所述语义航线提取系统进一步包括：首先使用DBSCAN聚类算法对AIS数据的起始点、终止点分别聚类；然后使用改进DP压缩算法提取每条船舶AIS轨迹的特征点，包括：起点、终点、航路点；最后利用DBSCAN算法对所有轨迹的特征点进行聚类，具有相同特征点簇的轨迹集合被定义为语义航线；所述的改进DP压缩算法进一步包括：首先，对每个轨迹点利用如下归一化方法进行归一化，然后，利用将船舶轨迹首末顶点虚连一条直线，求出其余各顶点到该直线的同步欧式距离(SED)，选其最大者与规定的限差相比较，若小于等于限差，则将直线两端间各点全部删去；若大于限差，则离该直线距离最大的顶点保留，并以此为界，把曲线分为两部分，对这两部分重复使用上述方法，直至最终无法作进一步的压缩为止；P i ＝(xi，yi，ti,Si)和Pj＝(x′j，y′j，t′j,S′i)的SED可以通过以下公式计算，3.根据权利要求2所述基于AIS历史数据的船舶经验航线提取系统，其特征在于，所述航道边界提取系统包括核密度估计模块和边界点提取模块；所述核密度估计模块，用于计算每一语义航线的轨迹点集的核密度估计分布；所述边界点提取模块，用于根据设置的阈值提取语义航线的边界点集，其中，所述阈值是通过观察轨迹点集的核密度估计分布，结合实际应用对边界的需求情况，选择适合作为边界点的值设置得到；其中，所述核密度估计模块进一步包括：将每一语义航线的轨迹点集转化为网格中相应的点(x1，x2，…，xn)，利用下式计算核密度估计分布：其中，K(x)表示核函数，h表示光滑参数，K(x)符合以下条件：K(x)≥0(‑∞<x<+∞)K(‑x)＝K(x)。
基于AIS大数据的南京长江大桥水域规律航迹研究
2021 年 1 月第1期总第578期水运工程Port & Waterway EngineeringJan. 2021No. 1 Serial No. 578• 息技^术*基于AIS 大数据的南京长江大桥水域规律航迹研究夏辉宇1，刘安林2，程佳1（1.长江南京航道局，江苏南京210011； 2.河海大学 理学院，江苏南京211100）摘要：南京长江大桥水域通航环境复杂，安全风险高。
掌握船舶航行规律，对桥区水运安全监管及航道优化具有重要 意义。
利用船舶自动识别系统（AIS ）大数据，采用自动化并行航迹密度计算方法，识别出不同大小的船舶在不同水期的规律 航迹分布，并结合多源数据分析其时空变化特征。
通过研究发现大桥水域船舶航行总体符合航行规则；相比小型船舶，大 型船舶航行更加规范，通过桥孔时位置更居中，和桥轴法向夹角更小，主航迹带与航道重叠度更高；洪季受水流作用影响，船舶航迹较枯季整体偏北，随水位降低呈逐步向南演变的趋势。
关键词：AIS ；船舶航迹；南京长江大桥；航道；密度估计中图分类号：U61文献标志码：A文章编号：1002-4972（2021）01-0189-07Pattern recognition of ship routes in the Nanjing Yangtze River Bridge areabased on AIS big dataXIA Hui-yu 1, LIU An-lin 2, CHENG Jia 1(1. Changjiang Nanjing Waterway Bureau, Nanjing 210011, China; 2. College of Science, Hohai University, Nanjing 211100, China)Abstract ： The navigational condition of the Nanjing Yangtze River Bridge is complicated with high safetyrisk. It is of great significance to master the navigation rules of ships for maritime surveillance and waterway design. Applying a parallel approach developed for calculating the density of ship trajectories in the Nanjing Yangtze RiverBridge waters based on AIS big data, we recognize the distribution of the regular routes of ships of different sizes in different seasons, and find that most ships follow the navigation rules of the Nanjing Yangtze River Bridge waters ingeneral . Compared to small ships, large ships are more formal in sailing across the bridge. When passing through thebridge span, the position of large ships is more centered, the angle between the large ships' bow direction and the normal direction of the bridge axis is larger. Meanwhile, the overlap between the lane boundary of the large shipsand the designed waterway is much higher than that of small ships. We also find that the ships prefer to take anortherly route in the flood season and a southerly route in the dry season. With the decrease of water level, ship tracks gradually change to the south.Keywords ： automatic identification system (AIS ); ship trajectory; the Nanjing Yangtze River Bridge;waterway; density estimation南京长江大桥是长江上第一座由我国自行设计建造的双层公铁两用桥，具有十分重要的政治意义 和经济价值。
《高频地波雷达与AIS船只目标航迹关联方法研究》范文
《高频地波雷达与AIS船只目标航迹关联方法研究》篇一高频地波雷达与S船只目标航迹关联方法研究一、引言随着海洋经济的快速发展和全球航运的日益繁忙，船舶交通管理成为了保障海上安全的重要环节。
高频地波雷达（High Frequency Surface Wave Radar，简称HFSWR）作为船舶交通监控的重要手段之一，具有探测范围广、目标稳定等优点。
然而，如何有效地将高频地波雷达探测到的船只目标与自动识别系统（Automatic Identification System，简称S）数据进行航迹关联，提高船舶交通管理的准确性和效率，成为了当前研究的热点问题。
本文将就高频地波雷达与S船只目标航迹关联方法进行深入研究。
二、高频地波雷达与S系统概述高频地波雷达是一种利用地面反射的高频电磁波进行海洋表面探测的雷达系统。
其具有全天候、全天时的工作能力，能够有效地探测到海面上的船只目标。
而S系统则是一种通过船载设备自动向岸基或卫星发送船舶身份、航向、航速等信息的系统。
这两种系统在船舶交通管理中各自发挥着重要作用。
三、航迹关联的重要性航迹关联是指将高频地波雷达探测到的船只目标与S数据进行匹配和关联的过程。
通过对航迹的关联，可以有效地提高船舶交通管理的准确性和效率，减少误报和漏报的概率，从而保障海上交通安全。
此外，航迹关联还能够为船舶交通流量统计、船舶航线规划、海事应急响应等提供重要依据。
四、航迹关联方法研究（一）基于时空特性的航迹关联方法基于时空特性的航迹关联方法是通过比较高频地波雷达与S 系统在时间和空间上的信息，进行航迹的匹配和关联。
具体而言，可以通过比较两者的时间戳、位置信息、航向、航速等参数，进行初步的航迹匹配。
然后，根据匹配结果，进行进一步的滤波和优化，以提高关联的准确性。
（二）基于数据融合的航迹关联方法基于数据融合的航迹关联方法是通过将高频地波雷达与S系统的数据进行融合，提取出共同的船只目标信息，进行航迹的关联。
一种考虑船舶航速航向的ais航迹插值方法
一种考虑船舶航速航向的ais航迹插值方法今天，跨越地球的海上航行是商业航运的主要活动之一，这直接涉及到船舶航行安全和路径规划。
在跨越大洋时，船舶会受到诸多因素的影响，例如海浪、风、沙暴等，这些都会影响船舶航行安全，也会使船舶航向发生变化。
因此，精确的船舶航迹插值技术是非常有必要的，它可以有效避免船舶遇到危险的状况。
随着船舶智能化的发展，越来越多的设备和系统被应用在船舶上，例如船舶自动识别系统（AIS）和自动控制系统（ACS）等。
其中，AIS 是安装在船舶上的自主监督系统，它可以定期发射AIS信息，包括船舶航速航向等信息，可用于确定船舶位置及其运动轨迹，以及其与其他船舶之间的距离和调整航行路线。
因此，AIS数据可以作为一种有效的插值技术来精准定位船舶的航行轨迹。
中国科学院南海海洋研究所研究团队为了更好地利用AIS数据，提出了一种考虑船舶航速航向的AIS航迹插值方法，该方法采用Kalman滤波器和曲线拟合技术有效结合了船舶航速、航向及时间的动态变化特征，较好地拟合了船舶的动态航迹。
为了评估该方法的精度，研究团队获取了不同船舶的实测AIS数据，并将其用于该方法的实验测试。
实验结果表明，该插值方法可以精确地表示船舶的航行轨迹，模拟船舶的起伏运动特征，并能够很好地拟合实际测量的AIS数据，精度高达90％。
研究团队同时指出，该插值方法仅用于模拟船舶的短期航行轨迹，如果要模拟船舶的长期航行轨迹，则还需要考虑更多的实时因素，比如海温、海流、气候变化等。
总之，AIS航迹插值方法能够准确地表示船舶的航行轨迹，可以有效避免船舶遇到危险的状况，为更好地改善船舶航行安全、提高船舶管理水平提供重要依据。
除了AIS插值方法外，目前还有许多其他技术可以应用于船舶航行安全和路径规划，例如通信船舶动态定位系统（C-DPM）以及辅助决策支持系统（ADCS）等。
这些技术均可高效地收集所需数据，实现实时船舶监控，进而更好地发现和预防船舶遇到危险的状况。
一种考虑船舶航速航向的AIS航迹插值方法
一种考虑船舶航速航向的AIS航迹插值方法在智能船舶中，AIS(Automatic Identification System)系统是必不可少的一项技术。
AIS系统用于船舶的自动识别和通信，通过AIS系统我们可以获得船舶的航迹数据。
但是，船舶在海上运行时会受到诸多自然和人为因素的影响，航迹数据可能存在缺失、异常和噪声等情况，影响了数据的质量和可用性。
因此，进行航迹插值处理，填补缺失点和平滑轨迹，对于实现精确航行控制和安全导航至关重要。
一般而言，一种合理的航迹插值方法应该综合考虑船舶的航速和航向等信息，并能够对AIS数据进行适当的补充，使得插值结果能够更好地反映船舶的实际航迹。
以下是一种考虑船舶航速航向的AIS航迹插值方法：1.数据预处理首先，对于AIS数据来说，如果出现缺失、异常或者噪声等情况，会导致后续的数据分析和处理无法开展。
因此，在进行航迹插值之前，需要进行数据预处理。
具体而言，可以采用中值滤波等方法对AIS数据进行平滑处理，减少异常点和噪声的影响。
同时，对于缺失点的处理，可以采用插值算法进行补充。
2.差分GPS算法在AIS航迹插值中，一种常用的方法是差分GPS算法。
通过差分GPS算法，可以获取到更加精确的船舶航速和航向信息，并据此对船舶的实际航迹进行插值处理。
具体而言，差分GPS算法可以通过对AIS数据进行数据差分的方式，得到船舶的航速和航向等信息。
通过对差分数据进行处理，可以获取到船舶的速度和方向，从而判断船舶的运动状况。
3.航迹插值在获得船舶的航向和航速等信息之后，我们可以根据插值算法对船舶的轨迹进行插值处理。
一种常用的插值算法是卡尔曼滤波算法。
卡尔曼滤波算法可以通过结合船舶的航速、航向等信息，对可能存在的位置偏移和数据缺失进行高效的处理。
具体而言，在卡尔曼滤波算法中，可以通过对数据进行预测和观测校正的方式，对船舶的位置进行修正和预测。
通过对多个数据点进行加权处理和平滑处理，可以获得更加平滑的船舶航迹。
《基于AIS数据的船舶行为异常检测》范文
《基于AIS数据的船舶行为异常检测》篇一基于S数据的船舶行为异常检测的高质量范文一、引言随着全球贸易的快速发展，海上交通的密集度持续增加，保障海上安全已成为亟待解决的问题。
船舶自动识别系统（S）数据的广泛应用为船舶行为监测与异常检测提供了有力支持。
本文旨在探讨基于S数据的船舶行为异常检测方法，旨在提高海上交通的安全性及管理效率。
二、S数据概述S（Automatic Identification System）是一种用于船舶自动识别和报告的技术。
S设备通过收集船舶的航行数据和位置信息，实现实时数据共享，为船舶管理、交通流量管理以及安全监控等提供了基础数据。
三、船舶行为异常检测的必要性在海上交通中，船舶行为异常可能会对船舶自身的安全、周围船只的航行安全以及环境造成严重威胁。
因此，及时发现和处理船舶行为异常对提高海上交通安全性至关重要。
而基于S数据的船舶行为异常检测方法，可以有效地解决这一问题。
四、基于S数据的船舶行为异常检测方法（一）数据预处理首先，需要对S数据进行预处理，包括数据清洗、格式转换和标准化等步骤。
目的是去除无效、错误或重复的数据，确保数据的准确性和可靠性。
（二）特征提取从预处理后的S数据中提取出反映船舶行为的特征，如航速、航向、位置等。
这些特征将用于后续的异常检测。
（三）异常检测算法采用合适的异常检测算法对提取的特征进行检测。
常用的算法包括基于统计的异常检测算法、基于机器学习的异常检测算法等。
这些算法能够有效地发现船舶行为的异常模式。
（四）结果分析与处理对检测到的异常结果进行分析，判断其是否真正为异常行为。
若是异常行为，则进行报警或采取其他措施进行处理。
同时，对检测结果进行可视化展示，便于用户理解和操作。
五、实验与分析为了验证基于S数据的船舶行为异常检测方法的有效性，我们进行了实验分析。
实验数据来自某海域的S数据。
我们采用了多种异常检测算法，对提取的特征进行检测，并分析了检测结果的准确性和实时性。
AIS多源信号汇聚融合解决方案：实现船舶航行安全与效率的全面提升
AIS多源信号汇聚融合解决方案——实现船舶航行安全与效率的全面提升引言船舶自动识别系统（AIS）是一种用于船舶导航和监控的先进技术，通过向其他船舶和岸上基站发送本船的动态和其他信息，实现船舶间的信息共享和避碰决策。
然而，现有的AIS系统主要依赖于单一的AIS信号源，存在一定的信息不完全和误判风险。
为了解决这一问题，本文提出了一种AIS多源信号汇聚融合的解决方案。
图1AIS多源信号汇聚融合解决方案一、问题陈述在现有的AIS系统中，船舶主要通过发送AIS信号来共享自身的动态和位置信息。
然而，这种方式存在以下问题：信息不完全：由于信号覆盖范围和传输质量的限制，船舶可能无法接收到来自所有其他船舶的信号，导致信息不完全。
误判风险：由于信号的干扰或其他原因，船舶可能会误判其他船舶的航行状态和意图，从而导致避碰决策失误。
二、解决方案针对以上问题，本文提出以下解决方案：多源信号采集：通过部署多种AIS信号接收设备，如岸基基站、卫星接收站和海上浮标等，实现对AIS信号的多源采集。
这些设备可以覆盖更广泛的区域，提高信号接收的完整性和准确性。
数据融合算法：采用先进的数据融合算法，将来自不同来源的AIS信号进行汇聚和融合。
通过算法处理，可以降低噪声干扰，提高信号质量，并消除信息不完全和误判风险。
航行状态与意图推断：基于汇聚融合后的AIS数据，利用先进的航行状态与意图推断方法，对船舶的航行状态和意图进行准确判断。
这样可以为船舶提供更加全面的航行安全和效率保障。
信息共享与协同决策：通过建立船舶间的信息共享机制，实现船舶之间的实时信息交互。
同时，利用协同决策算法，使船舶能够更加有效地避碰并协同航行，提高整体航行安全和效率。
系统集成与可视化：将AIS多源信号汇聚融合系统与现有的航海监控系统进行集成，实现数据的实时传输和可视化展示。
通过直观的界面展示，使航海监控人员能够更加便捷地监控船舶航行状态和避碰决策。
三、案例分析以某海区的船舶航行为例，该海区部署了多个岸基基站和卫星接收站，以及海上浮标等设备。
数据融合系统中航迹关联和属性融合的研究的开题报告
数据融合系统中航迹关联和属性融合的研究的开题报告一、选题背景随着无人机等新型航空器的发展，航空交通量不断增加，航空安全问题逐渐凸显。
在实际的航空管制中，需要对多个传感器获取到的航空器数据进行融合处理，以确保航空器的安全和顺畅飞行。
数据融合系统中的航迹关联和属性融合技术是其中的关键。
航迹关联是指将多个传感器获取的航空器数据与目标进行匹配和关联，以便对目标进行跟踪和监测。
属性融合则是将多个传感器获取的不同属性信息进行融合，从而得出更为准确和完整的目标状态更新。
因此，在数据融合系统中，航迹关联和属性融合的研究具有非常重要的意义。
二、研究目的本课题旨在研究航迹关联和属性融合技术在数据融合系统中的应用，探索一种针对多传感器数据融合的航迹关联和属性融合方法。
具体研究目标如下：1. 建立基于多传感器数据融合的航迹关联模型，探究航迹匹配算法和跟踪算法，并且加入了目标识别和特征匹配来加强匹配准确度。
2. 建立基于多传感器数据融合的属性融合模型，研究属性融合算法，并且利用上一步生成的关联结果来实现属性融合算法的输入。
3. 将两种融合模型相结合，实现航迹关联和属性融合的综合模型，并且在实际数据中进行模拟验证。
三、研究方法1. 航迹关联航迹关联方法将多个传感器获取的航迹信息进行匹配，并且跟踪匹配到的目标。
本课题中采用的传感器主要包括航空器信号发射机、空管雷达以及ADS-B设备。
2. 属性融合属性融合方法将不同传感器获取的属性信息进行融合，并且生成更为准确和全面的目标状态更新。
本课题中，采用的属性信息包括航空器的位置、高度、速度、姿态等。
3. 融合模型将航迹关联和属性融合相结合，实现一个基于多传感器数据融合的综合模型，从而实现对目标状态的更为准确和全面的识别。
四、预期成果1. 基于多传感器数据融合的航迹关联模型。
2. 基于多传感器数据融合的属性融合模型。
3. 实现航迹关联和属性融合的综合模型，并且在实际数据中进行模拟验证。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于全球AIS的多源航迹关联数据集
崔亚奇;徐平亮;龚诚;余舟川;张建廷;于洪波;董凯
【期刊名称】《电子与信息学报》
【年(卷),期】2023(45)2
【摘要】数据、算法和算力是当前人工智能技术发展的3大推力,考虑到智能关联算法研究的迫切需求和多雷达协同观测航迹数据获取困难,针对航迹关联数据集缺失问题,该文公开了多源航迹关联数据集(MTAD),其由全球AIS航迹数据经栅格划分、自动中断和噪声添加处理步骤构建。
该数据集包括训练集和测试集两大部分,共有航迹百万余条,其中训练集包含5000个场景样本,测试集包含1000个场景样本,每一个场景样本由几个到几百个数量不等的航迹构成,涵盖多种运动模式、多种目标类型和长度不等的持续时间。
同时,进一步对构造的MTAD数据集进行可视化分析,详细研究了各个栅格内航迹的特点,证明了该数据集的丰富性、合理性和有效性。
最后,作为参考,给出了关联评价指标和关联基线结果。
该数据集目前已被用作海军“金海豚”杯竞赛科目专用数据集。
【总页数】11页(P746-756)
【作者】崔亚奇;徐平亮;龚诚;余舟川;张建廷;于洪波;董凯
【作者单位】海军航空大学信息融合研究所;91001部队;91977部队
【正文语种】中文
【中图分类】TN957.52
【相关文献】
1.基于LabVIEW的雷达与AIS航迹关联的研究
2.基于模糊双门限的高频地波雷达与AIS 目标航迹关联方法
3.基于改进Hough变换的无源定位航迹关联算法
4.基于灰关联无源多目标跟踪系统航迹关联算法
5.基于最小临近点迹和航迹关联的多源目标融合方法
因版权原因，仅展示原文概要，查看原文内容请购买。